正態(tài)
- 裝備振動功率譜密度統(tǒng)計歸納誤差研究
。其中,對于符合正態(tài)分布的振動功率譜密度數(shù)據(jù),常使用正態(tài)單邊容差上限方法進(jìn)行統(tǒng)計歸納[3]。近年來,眾多專家對振動功率譜密度數(shù)據(jù)的歸納方法進(jìn)行了研究,并將歸納方法應(yīng)用于飛機(jī)、艦船、車輛等裝備的試驗條件確定[4-19],但尚未有專家對正態(tài)單邊容差上限的估計誤差進(jìn)行研究。正態(tài)單邊容差上限的計算過程涉及到一個關(guān)于無限多的樣本記錄的極限運(yùn)算,而工程上無法做到極限運(yùn)算,工程上統(tǒng)計分析的結(jié)果只是一個關(guān)于上限真值的樣本估計,因此對于實(shí)際的統(tǒng)計歸納結(jié)果一定會有統(tǒng)計誤差。根
振動與沖擊 2023年17期2023-09-20
- Acute pancreatitis in liver transplant hospitalizations: Identifying national trends, clinical outcomes and healthcare burden in the United States
析，如果事物服從正態(tài)隨機(jī)分布，那么使用一階、二級統(tǒng)計量就可以描述事物的特征。但是，若分析信號沒有遵循正態(tài)分布，那低于三階統(tǒng)計量就無法表示事物的變化規(guī)律，而三階或三階以上的統(tǒng)計量可以表現(xiàn)信號的特征。Table 5 Predictors of inpatient mortality for liver transplant hospitalizations with acute pancreatitis in the United States from 20
World Journal of Hepatology 2023年6期2023-07-04
- 實(shí)正態(tài)過程線性組合之均方不定積分的正態(tài)性的證明
934)0 引言正態(tài)過程又稱為高斯過程，是一種重要的隨機(jī)過程，在實(shí)際問題中，許多隨機(jī)過程都可看作或近似地看作正態(tài)過程，并且正態(tài)過程比別的隨機(jī)過程更便于進(jìn)行數(shù)學(xué)處理，實(shí)正態(tài)過程的均方微積分理論在工程技術(shù)中有著重要應(yīng)用[1]95.已有理論證實(shí)一個實(shí)正態(tài)過程的均方不定積分仍是實(shí)正態(tài)過程[2]85，文獻(xiàn)[3]1-3討論了一個實(shí)正態(tài)過程的均方積分的正態(tài)性，文獻(xiàn)[4]討論了一個實(shí)正態(tài)過程的多重均方不定積分的正態(tài)性.上述研究的主要對象是單一的實(shí)正態(tài)過程，筆者在此基礎(chǔ)上證
平頂山學(xué)院學(xué)報 2022年5期2023-01-07
- 基于正態(tài)隨機(jī)向量理論建構(gòu)下的Fisher定理的證明
000）0 引言正態(tài)隨機(jī)向量理論是正態(tài)總體統(tǒng)計推斷基礎(chǔ)，它包括正態(tài)隨機(jī)向量及其函數(shù)的分布和獨(dú)立性等問題，不少學(xué)者圍繞該問題開展理論研究及其應(yīng)用綜述［1-7］. 筆者認(rèn)為在數(shù)理統(tǒng)計課程學(xué)習(xí)之前，需要對正態(tài)隨機(jī)向量的一般理論進(jìn)行梳理和建構(gòu)，這不僅是對概率論中低維隨機(jī)變量理論內(nèi)容的回顧和延伸，更重要它也是統(tǒng)計學(xué)專業(yè)的基礎(chǔ)課程和后續(xù)專業(yè)核心課程的理論基礎(chǔ)，同時Fisher定理也是該理論體系中的一個自然的結(jié)果. Fisher定理，描述的是單正態(tài)總體下樣本均值和樣本方
淮北師范大學(xué)學(xué)報(自然科學(xué)版) 2022年4期2022-12-19
- 探討參數(shù)區(qū)間估計中樞軸量的選取——以單個正態(tài)總體均值為例
的選取——以單個正態(tài)總體均值為例劉 彭，王 晶（山東農(nóng)業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，山東 泰安 271018）選取三個包含總體均值的樞軸量，借助R軟件計算出的置信區(qū)間比較區(qū)間估計的精確度。結(jié)果表明，在保證區(qū)間估計可靠度的前提下，增大樣本容量，縮短區(qū)間長度，可以作為參數(shù)區(qū)間估計中樞軸量的選取原則?？傮w均值；區(qū)間估計；樞軸量；R軟件參數(shù)的區(qū)間估計作為概率統(tǒng)計教學(xué)中的重點(diǎn)之一，它給出未知參數(shù)的一個范圍（區(qū)間），并在要求的可靠度（概率）下保證包含該未知參數(shù)，彌補(bǔ)了點(diǎn)
唐山師范學(xué)院學(xué)報 2022年3期2022-07-28
- 獨(dú)立的實(shí)正態(tài)過程線性組合之均方積分的正態(tài)性
(tn))是n維正態(tài)隨機(jī)向量，則稱{X(t),t∈T}為正態(tài)過程或高斯過程.將概率空間(Ω,F,P)上具有二階矩的隨機(jī)變量的全體記為H.2 相關(guān)定理定理1[2]若二階矩過程{f(t,u)X(t),t∈[a,b]}，{g(t,u)Y(t),t∈[a,b]}在[a,b]上都均方可積，則對于任意的常數(shù)α,β(不全為零)，{αf(t,u)X(t)+βg(t,u)Y(t),t∈[a,b]}在[a,b]上也均方可積，且引理2[7]設(shè)m維隨機(jī)向量X=(X1,X2,…,X
太原師范學(xué)院學(xué)報(自然科學(xué)版) 2022年2期2022-07-02
- 可變抽樣區(qū)間和樣本容量的非正態(tài)EWMA控制圖經(jīng)濟(jì)設(shè)計
ci[1]設(shè)計了正態(tài)分布情形下抽樣區(qū)間變化的EWMA控制圖，利用馬爾科夫鏈方法得到了雙邊VSI EWMA控制圖的平均報警時間；吉明明等[2]研究了質(zhì)量特性值服從非正態(tài)分布時的可變抽樣區(qū)間EWMA均值控制圖。薛麗[3]研究了過程不合格品率服從二項分布時，可變抽樣區(qū)間EWMA控制圖。Tang[4]等研究了監(jiān)控過程均值變化時，可變抽樣區(qū)間的自適應(yīng)EWMA控制圖。Tran[5]等研究了考慮測量誤差下的可變抽樣區(qū)間EWMA控制圖。上面研究聚焦于可變抽樣區(qū)間EWMA控
運(yùn)籌與管理 2022年2期2022-03-15
- 獨(dú)立的實(shí)正態(tài)過程線性組合的正態(tài)性
(tn))是n維正態(tài)隨機(jī)向量， 則稱{X(t),t∈T}為正態(tài)過程或高斯過程.定義2[1]設(shè){X(t),t∈T}和{Y(t),t∈T}為兩個隨機(jī)過程， 其k+l維聯(lián)合分布函數(shù)為過程{X(t),t∈T}的k維分布函數(shù)為FX(t1,t2, …,tk;x1,x2, …,xk).過程{Y(t),t∈T}的l維分布函數(shù)為則稱隨機(jī)過程{X(t),t∈T}和{Y(t),t∈T}相互獨(dú)立.定義3[3]設(shè)X=(X1,X2, …,Xm)是m維隨機(jī)向量， 則稱φX(u)=φ(X
洛陽師范學(xué)院學(xué)報 2022年11期2022-02-16
- 正態(tài)模糊TODIM法及其在航空服務(wù)評價中的應(yīng)用
果?？紤]到現(xiàn)實(shí)中正態(tài)分布存在的普遍性，Yang等[10]提出了正態(tài)模糊數(shù)，相比其他模糊數(shù)，用正態(tài)模糊數(shù)描述決策信息更能客觀反映數(shù)據(jù)分布，也更接近人類思維[11]。龔艷冰等[12]、黃利軍等[13]將正態(tài)云模型用于企業(yè)員工績效評價和配電網(wǎng)優(yōu)化調(diào)度問題；溫淼淼等[14]提出將基于猶豫正態(tài)模糊可能度的決策方法用于評估部隊的數(shù)字化作戰(zhàn)能力；周天綺等[15]提出將區(qū)間正態(tài)信息集成算子用于數(shù)據(jù)庫系統(tǒng)選擇問題；常娟等[16-18]分別提出了基于正態(tài)模糊C-OWA算子(N
河南工程學(xué)院學(xué)報(自然科學(xué)版) 2021年4期2021-12-20
- 基于正態(tài)云期望和方差距離的語言型多屬性決策方法研究
字特征構(gòu)造二階的正態(tài)分布實(shí)現(xiàn)了定性概念與定量表示之間的雙向認(rèn)知轉(zhuǎn)換[8]。近年來,云模型已經(jīng)開始廣泛應(yīng)用于不確定語言型多屬性決策問題中,與其他方法相比,云模型不僅能夠有效刻畫語言變量的模糊性和隨機(jī)關(guān)聯(lián)性,而且能夠更好地克服定性與定量轉(zhuǎn)換過程中的信息損失問題[9-16]。在基于云模型的語言型多屬性決策過程中,需要對正態(tài)云表示的決策方案進(jìn)行量化比較或排序,這就涉及到不同云模型之間的距離測度。云模型距離度量在語言型多屬性決策中扮演著很重要的角色,好的距離度量方法
統(tǒng)計與信息論壇 2021年10期2021-10-22
- 正態(tài)模糊大數(shù)據(jù)決策方法在財務(wù)績效評價中的應(yīng)用
式給出，而且由于正態(tài)分布的普遍性，正態(tài)模糊數(shù)的應(yīng)用越來越廣泛。因為在統(tǒng)計數(shù)據(jù)的處理中，正態(tài)模糊數(shù)比其他模糊數(shù)更能合理地反映數(shù)據(jù)的分布，也是最接近人類思維的。在當(dāng)決策專家或調(diào)查對象較多時，借助數(shù)理統(tǒng)計的方法，將偏好值以正態(tài)模糊數(shù)的形式表示，這一做法能更全面、準(zhǔn)確地刻畫偏好信息?；诠緲I(yè)績的相關(guān)理論和已有的研究基礎(chǔ),選擇福建省5家A股上市的房地產(chǎn)公司為研究對象，分析2015—2020年的財務(wù)指標(biāo)季度數(shù)據(jù)。利用正態(tài)模糊數(shù)的分布規(guī)律和有序加權(quán)平均算子(OWA)的
武夷學(xué)院學(xué)報 2021年6期2021-09-19
- 漸近正態(tài)隨機(jī)變量函數(shù)的極限分布
量的相合性和漸近正態(tài)性等，相比來講，研究漸近正態(tài)估計量函數(shù)的極限分布卻少很多，但在實(shí)際應(yīng)用中，常遇到討論未知量函數(shù)的推斷問題，由此就需要在知道該未知量的估計具有漸近正態(tài)性之后，研究它的函數(shù)對應(yīng)的極限分布. 因此，在隨機(jī)變量正態(tài)性應(yīng)用的同時，漸近正態(tài)隨機(jī)變量函數(shù)的極限分布也是非常重要的，本文對漸近正態(tài)隨機(jī)變量函數(shù)的極限分布進(jìn)行討論，獲得兩個一般性理論結(jié)果. 作為應(yīng)用，選取幾個具體的函數(shù)，導(dǎo)出一系列漸近正態(tài)隨機(jī)變量，獲得一些耳目一新的結(jié)果，其中包括泊松隨機(jī)變量
大學(xué)數(shù)學(xué) 2021年2期2021-05-07
- 兩個正態(tài)總體下關(guān)于均值的廣義似然比檢驗
粗略，僅針對單個正態(tài)分布的情況給出詳細(xì)推導(dǎo)并取得否定域，而對于兩個正態(tài)總體的情況則是直接給出最終否定域的結(jié)果而沒有推導(dǎo)過程[1-3]。本文介紹了兩個總體下方差對比的廣義似然比檢驗 ，本文則給出兩個正態(tài)總體下關(guān)于均值的廣義似然比檢驗。一、問題背景二、檢驗問題將以上估計代入似然函數(shù)，得到：查t 分布表，確定C 的取值即可。
科學(xué)咨詢 2021年2期2021-03-13
- 簡化三階矩擬正態(tài)變換及其在結(jié)構(gòu)可靠度分析中的應(yīng)用
至相互獨(dú)立的標(biāo)準(zhǔn)正態(tài)隨機(jī)變量進(jìn)行可靠度分析。由于實(shí)際工程中隨機(jī)變量的統(tǒng)計數(shù)據(jù)往往不足以準(zhǔn)確評估其概率分布，Rosenblatt 變換或Nataf變換不能有效進(jìn)行，從而上述可靠度分析方法無法準(zhǔn)確實(shí)現(xiàn)。由于隨機(jī)變量的前三階中心矩含有大量統(tǒng)計信息，具有近似擬合隨機(jī)變量概率分布的能力。因此，可以基于隨機(jī)變量前三階矩實(shí)現(xiàn)隨機(jī)變量分布未知條件下的可靠度分析。該類方法大致包含了兩種途徑：第一種為基于隨機(jī)變量的前三階矩擬合其邊緣概率分布[17?18]，并利用隨機(jī)變量的相關(guān)
工程力學(xué) 2020年12期2020-12-18
- 直覺正態(tài)模糊數(shù)Choquet 積分算子及其決策應(yīng)用
象服從或近似服從正態(tài)分布，1996 年，YANG 等[17]定義了正態(tài)模糊數(shù)，指出正態(tài)模糊數(shù)在刻畫模糊信息時更接近人類思維，也更為準(zhǔn)確[18]。在模糊MADM 問題中，可以借助數(shù)理統(tǒng)計的方法，給出正態(tài)模糊數(shù)形式的屬性信息。然而，單純用正態(tài)模糊數(shù)表示屬性值，則暗含決策者對這一信息是完全認(rèn)可的，無法反映決策者對這一信息的信任程度和猶豫程度。而直覺模糊集的隸屬度、非隸屬度和猶豫度可細(xì)致刻畫決策者的支持、反對和中立三種態(tài)度。因此，結(jié)合直覺模糊集的思想，王堅強(qiáng)等[1
浙江大學(xué)學(xué)報（理學(xué)版） 2020年6期2020-12-07
- 關(guān)于ELECTER的正態(tài)Z+值的多屬性群決策①
轉(zhuǎn)化為云，定義了正態(tài)Z+值和相關(guān)的運(yùn)算及距離公式。ELECTER法(淘汰選擇法)是Roy等人在二十世紀(jì)六十年代提出的[4]一種基于級別高于關(guān)系的多屬性決策。本文先介紹了語言術(shù)語集合、Z-number、云模型以及正態(tài)Z+值等相關(guān)定義，再定義了正態(tài)Z+值比較大小的方法，基于文獻(xiàn)[2]的正態(tài)Z+值的距離公式，用ELECTER法針對屬性權(quán)重未知的情況，結(jié)合文獻(xiàn)[5]的方法用凈優(yōu)勢值對方案進(jìn)行排序。最后，通過實(shí)例分析說明該方法的可行性。1 預(yù)備知識定義1[2](語言
佳木斯大學(xué)學(xué)報（自然科學(xué)版） 2020年5期2020-10-29
- 一種航空發(fā)動機(jī)壓氣機(jī)喘振檢測方法
喘振故障的發(fā)生。正態(tài)分布是統(tǒng)計學(xué)中最重要的一種分布規(guī)律，大量隨機(jī)現(xiàn)象可以用正態(tài)分布規(guī)律來描述或近似，同時正態(tài)分布具有很多優(yōu)良的性質(zhì)，所以不論是在理論研究還是工程實(shí)踐中，正態(tài)分布具有廣泛的應(yīng)用。這里首先假設(shè)Δp31測量數(shù)值服從正態(tài)分布，下面采用某發(fā)動機(jī)實(shí)測數(shù)據(jù)檢驗壓氣機(jī)出口脈動壓力時間序列數(shù)據(jù)是否符合正態(tài)概率分布規(guī)律。某發(fā)動機(jī)試飛期間，測量了不同飛行高度、速度條件下發(fā)動機(jī)穩(wěn)態(tài)及瞬態(tài)的p31時間序列數(shù)據(jù)，獲取了相應(yīng)的Δp31時間序列數(shù)據(jù)。將這些不同飛行條件下發(fā)
空軍工程大學(xué)學(xué)報 2020年4期2020-09-04
- 實(shí)正態(tài)過程之均方積分過程的正態(tài)性
(tn))是n維正態(tài)隨機(jī)向量， 則稱{X(t),t∈T}為正態(tài)過程或高斯過程.將概率空間(Ω,F,P)上具有二階矩的隨機(jī)變量的全體記為H.2 相關(guān)定理定理1[5]設(shè)m維隨機(jī)向量X=(X1,X2,……,Xm)～N(μ,B)， 若n維隨機(jī)向量Y是X的線性變換， 即Y=XC， 其中C是m×n階矩陣， 則Y服從n維正態(tài)分布N(μC,CTBC).引理1[6]設(shè)X=(X1,X2,……,Xn)是n維隨機(jī)向量，X～N(μ,B)， 其中μ為均值向量，B為協(xié)方差矩陣， 則X的
洛陽師范學(xué)院學(xué)報 2020年8期2020-08-01
- 實(shí)正態(tài)過程之多重均方不定積分的正態(tài)性
(tn))是n維正態(tài)隨機(jī)向量，則稱{X(t),t∈T}為正態(tài)過程或高斯過程.將概率空間(Ω,F,P)上具有二階矩的隨機(jī)變量的全體記為H.2 相關(guān)定理定理3[6 ]若二階矩過程{X(t),t∈T}均方可導(dǎo)，則{X(t),t∈T}均方連續(xù).引理1[7]設(shè)X=(X1,X2,……,Xn)是n維隨機(jī)向量，X～N(μ,B)，其中μ為均值向量，B為協(xié)方差矩陣，則X的特征函數(shù)為由引理1及正態(tài)過程的定義易得定理4.定理4設(shè){X(t),t∈T}為正態(tài)過程，均值函數(shù)為mX(t)
太原師范學(xué)院學(xué)報(自然科學(xué)版) 2020年1期2020-03-31
- 二維正態(tài)總體樣本相關(guān)系數(shù)的極限分布
瓊，武 東二維正態(tài)分布在數(shù)學(xué)、物理與工程等領(lǐng)域具有十分重要的概率分布，由于該分布函數(shù)具有很多很好的性質(zhì)，在諸多涉及統(tǒng)計科學(xué)、離散科學(xué)等領(lǐng)域都有重要的影響力.例如圖像處理中的Gaussian濾波器；醫(yī)學(xué)中的同質(zhì)群體的紅細(xì)胞數(shù)與血紅蛋白量，成年男子的身高與體重，經(jīng)濟(jì)學(xué)中的總消費(fèi)與總支出.相關(guān)系數(shù)是反映變量之間相關(guān)程度的一種度量，在一定程度上反映了變量之間的相互關(guān)系.獲得樣本相關(guān)系數(shù)的性質(zhì)在實(shí)際中十分重要.趙志文等［1]利用多元函數(shù)的中心極限定理推斷了二維正態(tài)
通化師范學(xué)院學(xué)報 2020年2期2020-01-18
- 數(shù)據(jù)的正態(tài)性檢驗及Excel/SPSS/Stata 軟件的實(shí)操應(yīng)用
017）1 數(shù)據(jù)正態(tài)性檢驗的相關(guān)理論多數(shù)統(tǒng)計檢驗都要求數(shù)據(jù)滿足正態(tài)分布，特別是針對小樣本。如果誤差項不服從正態(tài)性假定，雖然可以利用最小二乘法進(jìn)行參數(shù)估計，但卻無法進(jìn)行檢驗和預(yù)測。如果解釋變量不能很好地匹配因變量的峰度和偏度，將會導(dǎo)致樣本性質(zhì)中的統(tǒng)計推斷結(jié)果發(fā)生偏差。實(shí)際情形中，出于樣本可獲得性的考慮，通常采用對數(shù)據(jù)進(jìn)行變換的方法，將其數(shù)據(jù)轉(zhuǎn)換成正態(tài)分布，但應(yīng)該注意到，在數(shù)據(jù)轉(zhuǎn)換的同時已將數(shù)據(jù)蘊(yùn)含的原始信息發(fā)生了改變。由此得到的回歸結(jié)果，其參數(shù)的意義解釋也已
四川職業(yè)技術(shù)學(xué)院學(xué)報 2019年3期2019-08-12
- 抽樣分布的若干反例
分布;又比如，在正態(tài)總體下，樣本均值與樣本方差是相互獨(dú)立的，如果沒有正態(tài)總體這個條件，樣本均值與樣本方差就不一定獨(dú)立.本文針對這些問題，列舉若干反例加以說明.【關(guān)鍵詞】χ2分布;t分布;F分布;正態(tài)總體;獨(dú)立性【基金項目】在線開放課程開發(fā)（2016），高等教育出版社.一、引 言在《概率論與數(shù)理統(tǒng)計》[1]教材或課程中都會提到數(shù)理統(tǒng)計的三大分布：χ2分布、t分布和F分布.它們是數(shù)理統(tǒng)計的基礎(chǔ)，在剛開始學(xué)習(xí)的時候，有不少同學(xué)并不太注意定義中獨(dú)立的條件.那么，如
數(shù)學(xué)學(xué)習(xí)與研究 2019年8期2019-06-21
- 一類多維正態(tài)三角陣列的極限分布
為一個平穩(wěn)的標(biāo)準(zhǔn)正態(tài)序列且具有相關(guān)系數(shù)ρj=Cov(ξ0,ξj)，第2個隨機(jī)變量序列為一個獨(dú)立標(biāo)準(zhǔn)正態(tài)序列，文獻(xiàn)[1]證明了對于第一個序列，當(dāng)條件ρjlnj→0,j→∞(1)(1-ρnj)lnj→δj∈(0，∞]，j≥1(2)其中ρn, j=E(ξni,ξn,i+j)，δ0=0，可得到下面的引理。以及那么?exp(-x))(3)1 主要結(jié)論αn,ln=max{|P(ξi≤un,i∈I∪J)-P(ξi≤un,i∈I)×P(ξi≤un,i∈J)|}為混合系數(shù)，
重慶理工大學(xué)學(xué)報(自然科學(xué)) 2018年9期2018-10-17
- 基于改進(jìn)的JC法求解結(jié)構(gòu)可靠度指標(biāo)
特點(diǎn)是能夠考慮非正態(tài)分布的隨機(jī)變量，其計算過程較為簡單，在滿足一般工程精度的條件下，能夠?qū)煽慷戎笜?biāo)β進(jìn)行近似計算，而且還可以得到滿足極限狀態(tài)方程的“驗算點(diǎn)”設(shè)計值[2]。然而在實(shí)際工程的可靠度分析中，JC法經(jīng)常會出現(xiàn)迭代不收斂、收斂速度慢的情況，其大規(guī)模的應(yīng)用推廣具有一定的局限性。因此，本文將對JC法的基本計算原理進(jìn)行分析，總結(jié)并找出影響其收斂性的原因，并提出適合的數(shù)學(xué)方法對其進(jìn)行改進(jìn)，使得改進(jìn)之后的JC法具有更強(qiáng)的收斂性，能夠更好的應(yīng)用于實(shí)際工程結(jié)構(gòu)的
四川建筑 2018年4期2018-09-14
- 建模分析中的聯(lián)合正態(tài)分布與仿真
的隨機(jī)性經(jīng)常通過正態(tài)隨機(jī)向量進(jìn)行刻畫。在模型隨機(jī)分析中，正態(tài)隨機(jī)向量常常需要做變換才能得到輸出，線性系統(tǒng)就是常見的一類變換。經(jīng)線性變換得到的隨機(jī)向量在許多工程問題與系統(tǒng)建模中非常重要[1]。正態(tài)隨機(jī)向量各分量線性組合的分布問題，已經(jīng)有許多研究結(jié)論，并且許多文獻(xiàn)都構(gòu)造了應(yīng)用實(shí)例。文獻(xiàn)[2]構(gòu)造了兩個分量都服從標(biāo)準(zhǔn)正態(tài)分布的二維隨機(jī)向量，其分量之和不服從一維正態(tài)分布。文獻(xiàn)[3]給出了兩類非線性數(shù)值函數(shù)f(x)，使得復(fù)合隨機(jī)變量f(x)仍然服從標(biāo)準(zhǔn)正態(tài)分布。文獻(xiàn)
實(shí)驗科學(xué)與技術(shù) 2018年2期2018-05-13
- 正態(tài)概率紙檢驗的改進(jìn)及推廣
01)一、引 言正態(tài)分布應(yīng)用廣泛，比如許多統(tǒng)計方法(如方差分析、回歸分析等)都是以正態(tài)分布為前提建立的[1]17-50[2]118-150[3-4]。因此，對數(shù)據(jù)進(jìn)行正態(tài)性檢驗在理論和應(yīng)用上都十分有意義。正態(tài)概率紙檢驗通過數(shù)據(jù)變換能使正態(tài)總體的取值x和分布函數(shù)值F(x)組成的數(shù)對(x,F(x))在具有特殊刻度的坐標(biāo)紙上呈現(xiàn)一條直線，從而通過觀察概率紙上的散點(diǎn)是否在一條直線附近來判斷數(shù)據(jù)是否來自正態(tài)總體。因此，正態(tài)概率紙檢驗是一種直觀、簡單、方便的圖形檢驗，
統(tǒng)計與信息論壇 2018年3期2018-03-20
- 正態(tài)云線性回歸模型及其最小二乘參數(shù)估計方法
拓展和推廣，提出正態(tài)云線性回歸模型并對參數(shù)進(jìn)行估計。最后給出一個人員績效評估的應(yīng)用實(shí)例，說明模型的有效性。1 云模型基本理論云模型反映了隨機(jī)性和模糊性之間的關(guān)聯(lián)，借助高斯概率密度分布函數(shù)，通過構(gòu)造二階或者高階的云發(fā)生器形成偏離高斯分布的云滴群，用概率的方法去研究模糊性[11]。經(jīng)過幾年的發(fā)展和完善，目前云模型已成功應(yīng)用于智能控制、數(shù)據(jù)挖掘、預(yù)測和評估等領(lǐng)域[12-14]。云模型是用語言值表示的某個定性概念與其定量表示之間的不確定性轉(zhuǎn)換模型，它把模糊性與隨機(jī)
統(tǒng)計與決策 2017年23期2018-01-06
- 線性回歸模型中非正態(tài)數(shù)據(jù)的處理
線性回歸模型中非正態(tài)數(shù)據(jù)的處理丘甜1，華偉平2，李寶銀3，江希鈿4（1.武夷學(xué)院商學(xué)院，福建武夷山354300；2.武夷學(xué)院生態(tài)與資源工程學(xué)院，福建武夷山354300；3.福建江夏學(xué)院，福建福州350108；4.福建農(nóng)林大學(xué)林學(xué)院，福建福州350002）為了對非正態(tài)數(shù)據(jù)進(jìn)行線性回歸分析，需要對非正態(tài)數(shù)據(jù)的處理方法進(jìn)行研究。在Box-Cox變換的基礎(chǔ)上改進(jìn)的雙冪變換是一種有效的處理方法。結(jié)合Matlab軟件給出了雙冪變換下線性回歸模型中參數(shù)的極大似然估計與最
武夷學(xué)院學(xué)報 2017年6期2017-07-18
- 統(tǒng)計分析中檢驗方法的選擇
樣本資料 若來自正態(tài)總體，可用t檢驗；若來自非正態(tài)總體或總體分布無法確定，可用Wilcoxon符號秩和檢驗。2 配對設(shè)計資料 二分類變量，可用McNemar檢驗；有 序多分類變量，可用Wilcoxon符號秩和檢驗；連續(xù)型變量，若來自正態(tài)總體，可用配對t檢驗，否則可用Wilcoxon符號秩和檢驗。3 兩組獨(dú)立樣本 連續(xù)型變量，若來自正態(tài)總體，可用t檢驗，否則可用Wilcoxon符號秩和檢驗；二分類變量，可用χ2檢驗驗；無序多分類變量，可用χ2檢驗；有序多分類
臨床輸血與檢驗 2017年1期2017-03-07
- A Wind Speed Time Series Simulation Method and Its Application in Reliability Assessment of Generating Systems
應(yīng)用?；诙囗検?span id="j5i0abt0b" class="hl">正態(tài)變換和連續(xù)狀態(tài)馬爾科夫鏈技術(shù)，提出了一種時序風(fēng)速的模擬方法。該方法首先利用多項式正態(tài)變換方法將原始數(shù)據(jù)變換為服從正態(tài)分布的數(shù)據(jù)；然后利用連續(xù)狀態(tài)馬爾科夫鏈描述變換后數(shù)據(jù)的隨機(jī)波動過程；最后，通過正態(tài)逆變換獲得模擬產(chǎn)生的風(fēng)速數(shù)據(jù)。實(shí)際風(fēng)速數(shù)據(jù)驗證表明，模型能夠較好地保持原始風(fēng)速數(shù)據(jù)的概率分布特性和短期相依特性。將該模型應(yīng)用于IEEE-RTS可靠性測試系統(tǒng)，結(jié)果表明模型可進(jìn)行含風(fēng)能的電力系統(tǒng)可靠性評估。風(fēng)速模擬；連續(xù)馬爾科夫鏈；多項式正態(tài)變
山東電力技術(shù) 2016年11期2016-12-28
- 基于區(qū)間權(quán)重和改進(jìn)云模型的變壓器狀態(tài)評估
題，提出建立基于正態(tài)云理論的變壓器狀態(tài)評估模型。考慮變壓器狀態(tài)評估數(shù)據(jù)的有限性，提出對變壓器少數(shù)運(yùn)行數(shù)據(jù)進(jìn)行正態(tài)云處理。對于變壓器等級邊界模糊性問題，提出對變壓器各等級進(jìn)行適度擴(kuò)展，建立變壓器指標(biāo)等級正態(tài)云。根據(jù)不同云滴在數(shù)據(jù)正態(tài)云出現(xiàn)的不同概率，計算變壓器數(shù)據(jù)正態(tài)云云滴與各評估指標(biāo)等級正態(tài)云之間的關(guān)聯(lián)度，得到評判矩陣。其次，對變壓器運(yùn)行數(shù)據(jù)進(jìn)行區(qū)間表示。針對各指標(biāo)區(qū)間數(shù)據(jù)的波動性，計算區(qū)間數(shù)據(jù)的方差和平均差，進(jìn)而賦予指標(biāo)不同的權(quán)重，在此基礎(chǔ)上進(jìn)行變壓器狀
電力系統(tǒng)保護(hù)與控制 2016年23期2016-10-14
- 基于bootstrap方法序約束下正態(tài)總體均值、方差的區(qū)間估計
ap方法序約束下正態(tài)總體均值、方差的區(qū)間估計國 冰(吉林農(nóng)業(yè)科技學(xué)院 文理學(xué)院，吉林 吉林 132101)討論了在半序約束下正態(tài)總體均值和方差的區(qū)間估計問題，給出了基于bootstrap方法的迭代算法，通過模擬與傳統(tǒng)交錯迭代算法的結(jié)果進(jìn)行了比較。bootstrap方法；序約束；正態(tài)總體均值；區(qū)間估計；交錯迭代算法現(xiàn)階段約束條件下的統(tǒng)計推斷已成為統(tǒng)計分析中的一個重要領(lǐng)域。在我國，對約束條件下的統(tǒng)計推斷和保序回歸的研究也是剛剛起步。史寧中教授在1994年給出相
黑龍江科學(xué) 2016年23期2016-03-08
- 數(shù)據(jù)的正態(tài)性檢驗方法
8008）數(shù)據(jù)的正態(tài)性檢驗方法李玉梅（懷化學(xué)院數(shù)學(xué)與計算科學(xué)學(xué)院，湖南懷化418008）在進(jìn)行數(shù)據(jù)的統(tǒng)計處理和統(tǒng)計檢驗時，往往假定數(shù)據(jù)來自于正態(tài)總體，因此對數(shù)據(jù)進(jìn)行正態(tài)性檢驗十分必要.本文介紹了描述數(shù)據(jù)分布的QQ圖及適用于小樣本情形下數(shù)據(jù)正態(tài)性檢驗的夏皮羅－威爾克檢驗法和“Mudholkar”檢驗法.正態(tài)分布；QQ圖；小樣本；假設(shè)檢驗1 前言正態(tài)分布，又名高斯分布，是概率論中最重要的一種概率分布.一些常用的概率分布如對數(shù)正態(tài)分布、χ2分布、t分布等可以由正
懷化學(xué)院學(xué)報 2015年11期2015-12-08
- 方差成比例時2個正態(tài)總體均值的假設(shè)檢驗
方差成比例時2個正態(tài)總體均值的假設(shè)檢驗冒霜霜，焦肖紅，鄧錦葉（中南大學(xué) 數(shù)學(xué)與統(tǒng)計學(xué)院，湖南 長沙 410006）在方差未知但相等，或方差未知且大樣本的情況下，2個正態(tài)總體均值的假設(shè)檢驗已經(jīng)給出了解決方法；但是在方差不等且小樣本的情況下，2個正態(tài)總體均值的假設(shè)檢驗少有研究。針對這一問題，給出了理論證明的處理方法，并設(shè)計了實(shí)現(xiàn)流程和用于實(shí)現(xiàn)的MATLAB程序，最后，以實(shí)際案例給出了實(shí)現(xiàn)的具體方法。與大樣本情況下的方法對比，該方法所需樣本數(shù)量較小。概率論與數(shù)理
湖南工業(yè)大學(xué)學(xué)報 2015年3期2015-12-08
- 彈道一致性評定中的樣本順次正態(tài)性檢驗
的前提是樣本服從正態(tài)分布。因此，彈道一致性評定中配對樣本之差所構(gòu)成的新樣本或獨(dú)立樣本本身的正態(tài)性進(jìn)行檢驗是必需的。最經(jīng)典的正態(tài)性檢驗方法是Lilliefors［3］檢驗與Shapiro－Wilk［4］檢驗，且Shapiro－Wilk檢驗效能優(yōu)于Lilliefors檢驗［5］。Epps與Pulley［5］基于經(jīng)驗特征函數(shù)提出了一種高效的正態(tài)性檢驗方法（Epps－Pulley檢驗），隨后Henze［6］對Epps－Pulley檢驗的分布限進(jìn)行了近似，使得當(dāng)樣本
火炮發(fā)射與控制學(xué)報 2015年2期2015-11-27
- 廣義猶豫正態(tài)模糊信息集成及其多屬性群決策
3016廣義猶豫正態(tài)模糊信息集成及其多屬性群決策馬慶功常州大學(xué)懷德學(xué)院，江蘇常州213016定義了猶豫正態(tài)模糊元及其運(yùn)算法則、得分函數(shù)、Euclidean距離等概念；提出了廣義猶豫正態(tài)模糊有序加權(quán)平均算子，并研究其性質(zhì)，該算子不僅盡可能多地保留決策者的偏好信息，還可依據(jù)決策者的主觀意愿選擇不同的參數(shù)和屬性權(quán)重，使得決策結(jié)果達(dá)到?jīng)Q策者的期望值；緊接著對屬性權(quán)重和算子參數(shù)賦予不同的數(shù)值，獲取廣義猶豫正態(tài)模糊有序加權(quán)平均算子的若干種特殊算子，并探討兩個常用算子的
計算機(jī)工程與應(yīng)用 2015年22期2015-11-04
- 基于聯(lián)系數(shù)正態(tài)模糊數(shù)型多屬性群的決策方法
00）基于聯(lián)系數(shù)正態(tài)模糊數(shù)型多屬性群的決策方法顧翠伶（周口師范學(xué)院 數(shù)學(xué)與統(tǒng)計學(xué)院，河南 周口 466000）針對決策屬性值、專家權(quán)重、屬性權(quán)重均為正態(tài)模糊數(shù)型的模糊多屬性決策問題給出一種解決方案。依據(jù)正態(tài)模糊數(shù)的期望與方差，提出一種分值函數(shù)，并以此把正態(tài)模糊型的專家權(quán)重轉(zhuǎn)化為精確權(quán)重。將以正態(tài)模糊數(shù)給出的各個專家的屬性值及各個屬性權(quán)重轉(zhuǎn)化為聯(lián)系數(shù)，然后按照聯(lián)系數(shù)的運(yùn)算求解模糊多屬性決策問題，實(shí)例驗證新方法的可行性和有效性。正態(tài)模糊數(shù)；聯(lián)系數(shù)；模糊多屬性決
中國管理信息化 2015年20期2015-11-02
- 模糊多屬性決策方法應(yīng)用于區(qū)域經(jīng)濟(jì)發(fā)展研究
2)針對區(qū)間直覺正態(tài)模糊環(huán)境下的多屬性決策問題，提出了新的信息集成算法，并構(gòu)建了一種新的多屬性決策方法。首先，定義了區(qū)間直覺正態(tài)模糊數(shù)的概念，探討了其運(yùn)算法則和性質(zhì)；其次，提出了區(qū)間直覺正態(tài)模糊信息集成算子，包括區(qū)間直覺正態(tài)模糊加權(quán)平均(IVINFWA)算子和區(qū)間直覺正態(tài)模糊加權(quán)幾何(IVINFWG)算子，并探究了它們的優(yōu)良性質(zhì)以及這兩種算子之間的內(nèi)在關(guān)系；最后，基于提出的這兩類算子，建立了一種新的區(qū)間直覺正態(tài)模糊多屬性決策方法，并結(jié)合區(qū)域經(jīng)濟(jì)發(fā)展研究實(shí)例
西安電子科技大學(xué)學(xué)報（社會科學(xué)版） 2015年2期2015-10-13
- 對數(shù)線性Gamma分布模型極大似然估計的強(qiáng)相合性和漸近正態(tài)性
的強(qiáng)相合性和漸近正態(tài)性劉雙花1，尹長明2，鄧娌莉1（1.百色學(xué)院 數(shù)學(xué)與計算機(jī)信息工程系，廣西 百色 533000；2.廣西大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院，廣西 南寧 530004）在‖Zn‖=o(logn)和（對某個c＞0，α＞0）等條件下，證明了對數(shù)線性Gamma分布模型極大似然估計（MLE）的強(qiáng)相合性和漸近正態(tài)性，其中設(shè)計陣序列{‖Zn‖}可以為無界序列.對數(shù)線性Gamma分布模型；強(qiáng)相合性；漸近正態(tài)性1 引言和主要結(jié)果廣義線性模型（GLM）是一般線性模型
海南師范大學(xué)學(xué)報（自然科學(xué)版） 2015年2期2015-09-03
- 正態(tài)性檢驗的幾種方法比較
楊 斌0 引言正態(tài)分布是許多檢驗的基礎(chǔ)，在實(shí)際使用統(tǒng)計分析時,人們總是樂于正態(tài)假定,但該假定是否成立,牽涉到正態(tài)性檢驗。比如χ2檢驗、F檢驗以及t檢驗等在總體不是正態(tài)分布時是沒有任何意義的，因此，對一個總體是否來自正態(tài)總體的檢驗至關(guān)重要。另外，方差分析、回歸分析等統(tǒng)計分析中也都首先驗證待分析的數(shù)據(jù)是否服從正態(tài)分布，檢驗樣本的正態(tài)性一直以來都是統(tǒng)計學(xué)里比較重要的問題，檢驗方法的多樣性使得這個問題始終保持著活力。歷史上不僅有D'Agostino,Kolmogo
統(tǒng)計與決策 2015年14期2015-07-30
- 正態(tài)模糊數(shù)型多屬性群決策方法及應(yīng)用
大量模糊概念,用正態(tài)隸屬函數(shù)刻畫最適合,最接近人類思維.文獻(xiàn)[9]針對屬性權(quán)重未知,方案屬性值、主觀偏好值為正態(tài)模糊數(shù)型的多屬性決策問題,提出一種基于相似度與規(guī)范化理想解的決策方法,將正態(tài)模糊數(shù)以及相關(guān)理論引入到多屬性決策領(lǐng)域,使復(fù)雜問題的解決將更加科學(xué)化、規(guī)范化.但正態(tài)模糊數(shù)運(yùn)算與線性隸屬函數(shù)相比,模糊運(yùn)算規(guī)則復(fù)雜,使得正態(tài)模糊數(shù)在多屬性決策中的應(yīng)用還不多.因而,基于正態(tài)模糊數(shù)及相關(guān)理論的多屬性決策問題的研究有著十分重要的意義.本文針對決策屬性值以正態(tài)模
周口師范學(xué)院學(xué)報 2015年2期2015-04-24
- 隨機(jī)變量非正態(tài)分布且相關(guān)的機(jī)械零件單模失效可靠度分析
機(jī)變量的分布都為正態(tài)分布且只考慮應(yīng)力、強(qiáng)度兩個變量相關(guān).引起機(jī)械零件廣義應(yīng)力與強(qiáng)度隨機(jī)性的因素主要有材料、加工、制造、安裝、荷載等，如同種材料性能分布的不均勻、制造精度誤差.正是由于這些參數(shù)的隨機(jī)性才有了可靠度的概念.要想得到這些因素的實(shí)際隨機(jī)性參數(shù)是比較困難的，因此在理論分析中常常假設(shè)這些因素服從常見的分布，如正態(tài)分布、威布爾分布、指數(shù)分布等.現(xiàn)有的大多數(shù)文獻(xiàn)中假設(shè)隨機(jī)參數(shù)服從正態(tài)分布，但很多情況下并非如此.這時就需要探求隨機(jī)變量因素服從其他分布時的可靠
大連理工大學(xué)學(xué)報 2015年1期2015-03-20
- 標(biāo)準(zhǔn)參數(shù)系下Alpha穩(wěn)定分布隨機(jī)變量的產(chǎn)生及仿真
心極限定理為近似正態(tài)性提供了基本理論并指出了Alpha穩(wěn)定分布的重要性：Alpha穩(wěn)定分布是唯一滿足廣義中心極限定理的分布，即無限多個可能方差無限大的獨(dú)立分布的隨機(jī)變量之和，其極限分布是Alpha穩(wěn)定分布。endprint中心極限定理為近似正態(tài)性提供了基本理論并指出了Alpha穩(wěn)定分布的重要性：Alpha穩(wěn)定分布是唯一滿足廣義中心極限定理的分布，即無限多個可能方差無限大的獨(dú)立分布的隨機(jī)變量之和，其極限分布是Alpha穩(wěn)定分布。endprint中心極限定理為
哈爾濱理工大學(xué)學(xué)報 2014年3期2015-01-04
- Log-transformation and its implications for data analysis
心理研究中處理非正態(tài)數(shù)據(jù)時被廣泛應(yīng)用。本文重點(diǎn)介紹該傳統(tǒng)方法在處理非正態(tài)數(shù)據(jù)時存在的嚴(yán)重問題。盡管通常認(rèn)為對數(shù)轉(zhuǎn)換可以減少數(shù)據(jù)的變異性，使數(shù)據(jù)更符合正態(tài)分布，但是通常并非如此。此外，對數(shù)轉(zhuǎn)換后的數(shù)據(jù)得出的標(biāo)準(zhǔn)統(tǒng)計測試結(jié)果往往和未轉(zhuǎn)化的原始數(shù)據(jù)不相關(guān)。我們通過使用模擬數(shù)據(jù)示例來說明這些問題。我們認(rèn)為如果采用數(shù)據(jù)轉(zhuǎn)換，必須非常謹(jǐn)慎應(yīng)用。我們建議研究者在大多數(shù)情況下摒棄這些處理非正態(tài)數(shù)據(jù)的傳統(tǒng)方法，選擇采用較新的不依賴于數(shù)據(jù)分布的方法：如廣義估計方程（GEE）。
上海精神醫(yī)學(xué) 2014年2期2014-12-09
- R函數(shù)實(shí)現(xiàn)正態(tài)總體均值、方差的區(qū)間估計及假設(shè)檢驗的設(shè)計
331)0 引言正態(tài)總體均值、方差的區(qū)間估計與假設(shè)檢驗是數(shù)理統(tǒng)計中的經(jīng)典內(nèi)容。數(shù)理統(tǒng)計的教材[1～6]一般都會講到。針對摘要中提到的R軟件[7]內(nèi)置程序t.test()、var.test()函數(shù)的缺陷，參考文獻(xiàn)[1]中為實(shí)現(xiàn)單個、兩個正態(tài)總體均值、方差的區(qū)間估計、假設(shè)檢驗時自編了12個函數(shù)interval_estimate1()、 interval_estimate2()、 interval_estimate4()、 interval_estimate5(
統(tǒng)計與決策 2014年9期2014-10-20
- 正態(tài)總體方差和標(biāo)準(zhǔn)差的無偏估計
山063000）正態(tài)總體方差和標(biāo)準(zhǔn)差的無偏估計孫翠先1，步金芳2（1.唐山學(xué)院基礎(chǔ)教學(xué)部，河北唐山063000；2.唐山職業(yè)技術(shù)學(xué)院基礎(chǔ)部，河北唐山063000）在正態(tài)總體分布下，給出了方差及標(biāo)準(zhǔn)差的矩估計量和極大似然估計量，討論了兩者之間的關(guān)系，得出兩類估計量相同，并進(jìn)一步給出無偏估計量。正態(tài)總體；標(biāo)準(zhǔn)差；方差；無偏估計0 引言1 正態(tài)總體方差和標(biāo)準(zhǔn)差的估計設(shè)總體X服從正態(tài)分布N（μ，σ2），可知期望E（X）＝μ［2］，方差D（X）＝σ2，標(biāo)準(zhǔn)差因為總體
唐山學(xué)院學(xué)報 2012年3期2012-09-07
- 基于PLC的一維正態(tài)云模型實(shí)現(xiàn)研究
數(shù)運(yùn)算和產(chǎn)生任意正態(tài)隨機(jī)數(shù)。S7－300 PLC運(yùn)算功能強(qiáng)大，具有進(jìn)行四則運(yùn)算及指數(shù)、對數(shù)運(yùn)算功能。但S7－300 PLC并沒有產(chǎn)生隨機(jī)數(shù)的硬件模塊、系統(tǒng)功能SFC和系統(tǒng)功能塊SFB。在深入分析隨機(jī)數(shù)生成相關(guān)文獻(xiàn)的基礎(chǔ)上，用STL語言在SIEMENS編程軟件STEP7上編制一個個功能FC實(shí)現(xiàn)任意正態(tài)隨機(jī)數(shù)的產(chǎn)生，一維正態(tài)云模型算法等，最后在SIEMENS PLC專用的仿真器PLCSIM上進(jìn)行調(diào)試，并將輸出過程值用組態(tài)軟件WINCC進(jìn)行歸檔，然后將歸檔數(shù)據(jù)導(dǎo)
電子設(shè)計工程 2012年1期2012-06-09
- 基于兩種轉(zhuǎn)換的非正態(tài)過程能力研究的比較
基于兩種轉(zhuǎn)換的非正態(tài)過程能力研究的比較楊潔榮，宋向東，明喆，胡蓓蓓，王樹力(燕山大學(xué)理學(xué)院，河北秦皇島066004)文章應(yīng)用Box-Cox轉(zhuǎn)換和Johnson轉(zhuǎn)換對幾種非正態(tài)分布進(jìn)行了研究，并計算出了其過程能力指數(shù)，通過大量的重復(fù)模擬研究了該方法在過程能力分析中的適用性和效果。結(jié)果顯示，Johnson轉(zhuǎn)換比Box-Cox轉(zhuǎn)換更有效。文章用相應(yīng)的matlab分析軟件來輔助實(shí)現(xiàn)這個方法，具有可操作性，可以用于指導(dǎo)生產(chǎn)實(shí)踐。非正態(tài)；過程能力指數(shù)；Box-Cox轉(zhuǎn)
統(tǒng)計與決策 2011年6期2011-10-18
- 多維密度核估計的漸進(jìn)正態(tài)性及穩(wěn)健漸進(jìn)正態(tài)性研究
密度核估計的漸進(jìn)正態(tài)性及穩(wěn)健漸進(jìn)正態(tài)性是非參數(shù)密度估計的一個非常重要的研究方向，其中非參數(shù)概率密度核估計作為非參數(shù)密度估計的重要方法，受到越來越多的學(xué)者的重視。Hardel、Miiller、Silverman、Scott等都曾致力于多維密度核估計的研究，Schuster、Singh、Susan,Walter、陳桂景、趙林成、楊振海等人得到了較好的相合速度的結(jié)果。其中Loftsgarden和Qnesenberry提出了最近鄰估計，Devroye和Wagner
統(tǒng)計與決策 2011年19期2011-09-05
- 統(tǒng)計分析中檢驗方法的選擇
樣本資料 若來自正態(tài)總體，可用t檢驗，若來自非正態(tài)總體或總體分布無法確定，可用Wilcoxon符號秩和檢驗。2.配對設(shè)計資料 二分類變量，可用McNemar檢驗；有序多分類變量，可用Wilcoxon符號秩和檢驗；連續(xù)型變量，若來自正態(tài)總體，可用配對t檢驗，否則可用Wilcoxon符號秩和檢驗；二分類變量，可用x2檢驗，有序多分類變量，宜用Wilcoxon符號秩和檢驗。3.多組獨(dú)立樣本 連續(xù)型變量值，來自正態(tài)總體且方差相等，可有方差分析；否則進(jìn)行數(shù)據(jù)變換使其
實(shí)用肝臟病雜志 2011年5期2011-08-15
- 離散型隨機(jī)變量的概率密度函數(shù)及其應(yīng)用①
其和分布不可能為正態(tài)分布。單位脈沖函數(shù);隨機(jī)變量;概率密度;正態(tài)分布單位脈沖函數(shù)又稱D irac函數(shù),簡單記成δ(t)·δ(t)是一個廣義函數(shù),在廣義函數(shù)論中, δ(t)為某基本函數(shù)空間上的線性連續(xù)泛函,滿足下面兩個條件單位脈沖函數(shù)有以下基本性質(zhì)：①設(shè)f(t)是定義在(-∞,+∞)上的有界函數(shù),且在t=t0處連續(xù),則我們用δ(t)函數(shù)來定義離散型隨機(jī)變量的概率密度這樣定義的離散型隨機(jī)變量的概率密度,既和離散型隨機(jī)變量的分布律不會產(chǎn)生矛盾,又能和連續(xù)型隨機(jī)變
華北科技學(xué)院學(xué)報 2010年1期2010-12-26
- 修正的正態(tài)模糊集下的格貼近度
0320）修正的正態(tài)模糊集下的格貼近度陽寧光，韓維維（廣東商學(xué)院數(shù)學(xué)學(xué)院，廣東廣州510320）從正態(tài)分布的定義及實(shí)際意義出發(fā)，對通常所用的正態(tài)模糊集進(jìn)行改進(jìn)，構(gòu)造了一個修正的正態(tài)模糊集；利用取大取小運(yùn)算的一些運(yùn)算性質(zhì)，推導(dǎo)出當(dāng)論域為實(shí)數(shù)域時，在修正的正態(tài)模糊集下一個與標(biāo)準(zhǔn)正態(tài)分布有關(guān)的新的格貼近度計算式.正態(tài)分布；正態(tài)模糊集；格貼近度0 引言在模糊識別中，經(jīng)常需要在標(biāo)準(zhǔn)模糊集下對某一模糊集進(jìn)行識別，這時就會涉及到兩個模糊集的貼近度問題，文獻(xiàn)[1-3]都對
汕頭大學(xué)學(xué)報（自然科學(xué)版） 2010年1期2010-10-23
- 正態(tài)吸引場非平穩(wěn)NA列部分和的精確漸近性
州310036)正態(tài)吸引場非平穩(wěn)NA列部分和的精確漸近性曾 艷,王張燕,王文勝＊(杭州師范大學(xué)理學(xué)院,浙江杭州310036)令{Xi:i≥1}是正態(tài)吸引場非平穩(wěn)NA序列,Sn=∑ni=1Xi,得到了正態(tài)吸引場非平穩(wěn)NA列部分和Sn的精確漸近性的結(jié)果,揭示了擬權(quán)函數(shù)和邊界函數(shù)之間的密切聯(lián)系.同時將已有的一些結(jié)果包含成為特殊情形.非平穩(wěn);正態(tài)吸引場;NA序列;部分和;精確漸近性0 引 言設(shè)0其中c1,c2為非負(fù)數(shù)且c1+c2>0.文[3]得到了關(guān)于正態(tài)吸引場強(qiáng)
杭州師范大學(xué)學(xué)報(自然科學(xué)版) 2010年3期2010-09-07